一种基于深度学习的辐射源个体识别方法
基本信息
| 申请号 | CN202110975804.3 | 申请日 | - |
| 公开（公告）号 | CN113780521A | 公开（公告）日 | 2021-12-10 |
| 申请公布号 | CN113780521A | 申请公布日 | 2021-12-10 |
| 分类号 | G06N3/04（2006.01）I;G06N3/08（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 张慧娟;谢岩;茆旋宇;安雨;赵浩波;孙景斌;王满周;卢志龙;李进芳 | 申请（专利权）人 | 南京电子设备研究所 |
| 代理机构 | 北京丰浩知识产权代理事务所（普通合伙） | 代理人 | 王纯富 |
| 地址 | 100195北京市海淀区闵航路29号院 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明公开了一种基于深度学习的辐射源个体识别方法，用于实现对辐射源个体的识别，其基本流程是对原始数据进行相应的预处理并制作训练数据集，根据辐射源数据的特点构造深度神经网络模型，针对性地构建损失函数并选择合适的超参数对神经网络进行训练，使用加性角边距损失函数作为深度神经网络模型的损失函数，得到最终的神经网络模型并用于辐射源的个体识别，将待识别数据的个体特征与训练数据的个体特征进行相似度判别，得到识别结果。本方法有着更好的泛化性能，同时神经网络对输入辐射源的类型不敏感，只需要更换训练数据，即可对不同的辐射源具备较好的识别性能，因此该方法的适应能力也更好。 |
